Dieser Kurs vermittelt Ihnen die Fähigkeiten, RAG-Anwendungen (Retrieval-Augmented Generation Generation) mit LlamaIndex und großen Sprachmodellen (LLMs) zu entwickeln. Sie lernen die Integration von LlamaIndex mit verschiedenen Datenquellen kennen und erfahren, wie Sie Prompts für anspruchsvolle KI-gesteuerte Anwendungen Fine-Tuning betreiben können. Der Kurs beginnt mit den Grundlagen von LLMs und den Schlüsselkonzepten des Prompt Engineering, bevor Sie tief in die Möglichkeiten von LlamaIndex eintauchen. Sie lernen zunächst die Grundlagen von LlamaIndex und die Einrichtung der Umgebung kennen, bevor Sie Ihre erste Anwendung erstellen. Der Kurs führt Sie schrittweise durch verschiedene Arten von Prompts, einschließlich Konversationsprompts, und stellt Ihnen semantische Ähnlichkeitsauswerter vor. Sie lernen die Bedeutung von Spracheinbettungen und Vektor-Datenbanken kennen und erfahren, wie Sie mit einer Chroma-DB oder einer SQL-Datenbank arbeiten, um Daten effizient zu speichern und abzurufen. Darüber hinaus führt Sie der Kurs in die Erstellung und Optimierung von Abfrage-Pipelines in LlamaIndex ein, wie z. B. sequenzielle Abfrage-Pipelines und DAG-Pipelines (Directed Acyclic Graph), und Sie arbeiten mit Agenten und Tools. Sie werden reale Anwendungen erstellen, darunter einen Taschenrechner mit einem ReAct-Agenten und einen Dokumenten-Agenten mit dynamischen Tools, die die Vielseitigkeit von LlamaIndex in verschiedenen Anwendungsfällen demonstrieren. Dieser Kurs richtet sich an Entwickler, Datenwissenschaftler und KI-Enthusiasten, die LlamaIndex für die fortgeschrittene Anwendungsentwicklung vertiefen möchten. Grundlegende Kenntnisse der Python-Programmierung und KI-Konzepte werden für diesen Kurs auf mittlerem Niveau empfohlen. Am Ende des Kurses werden Sie in der Lage sein, leistungsstarke RAG-basierte Anwendungen zu entwerfen, zu erstellen und bereitzustellen, die auf komplexe, reale Datenanforderungen zugeschnitten sind.